2002年《少數派報告》中的一個場景讓人印象深刻，影片中談到未來是可預知的，利用技術使得罪犯在行兇之前就得到懲罰。

不少人感慨，如果這些技術在現實生活中存在，對于公共治安無疑是極大的利好。

利用AI“預測犯罪”初獲進展

而在今天，這事兒真的有進展了。

雷鋒網了解到，最近網上瘋傳著AI“預測”犯罪的相關消息，大概是說利用人的行為模式、軌跡等數據評估相關人犯罪的可能性。

據悉，它能對犯罪行為進行辨別，通過大量數據快速分析出看似毫無關系、錯綜復雜的違法犯罪案例中所存在的微妙關系，然后通過這些關系，對違法行為再發生的概率進行精準預測，當公民的犯罪系數達到危險級別時，該系統就會提醒警方，提前介入。

新聞中所提的是公安利用AI系統通過人臉識別、行為分析、步態分析等AI技術，會根據某人去哪里、做了哪些動作，給他設置犯罪風險評級，然后將預測結果告知警方。它可以在火車站的正常乘客中識別出小偷，除了用來跟蹤有案底的人，它還被用來監控“高風險”場所，比如出售刀具和榔頭的商店，舉例說，買菜刀的人不可疑，但如果同一個人之后又同時買了一把錘子和一個袋子，那么這個人的可疑評級就會上升。

簡單來說，該技術就是分析常人的“不正常”動作，之后機器評定他的動作屬性是否合規，從而提前提供相關信息讓當局作出判斷。

讓雷鋒網好奇的是，利用這些數據“預測”犯罪的可行性如何？這個“技術”真的可以落地嗎？

深圳自動化學會會長、資深安防專家主臨寧教授告訴雷鋒網，隨著AI算法研究的進一步深入與落地，“提前預測”在視頻監控中的應用變得更加強大與成熟。目前通過視頻分析軟件已經可以提前“預判”，如果針對各種“犯罪”形式專門開發算法應用，可行性非常高。

國外也早已有所涉獵

凡是不會空穴來風，新聞瘋傳的背后也許是技術落地前的“預熱”。雷鋒網了解到，早在三年前，基于AI的視頻監控系統應用于“預測”犯罪就顯露雛形。

2013年4月15日，美國波士頓發生恐怖襲擊，“遭襲”之后波士頓警方開始大量更換城市視頻監控設備，采購了一批加拿大廠商的安防產品，通過處理視頻監控數據，分析出“可疑點”。

基于AI的視頻監控系統是這樣工作的：事先觀察人和車，然后將識別出的“可疑點”提交給警方，警方再去“把關”該疑點并作出判斷，如果不是危險信號時，再將結果返回給算法，經過大批警察的一段時間訓練之后，基于AI的視頻監控系統就能將拍攝到的視頻進行在線分析、研判。值得注意的是，雖然波士頓警方已經應用較長時間，由于數據保密性，目前具體使用效果如何還不可得知。

除此之外，國外AI相關機構也在積極研究該技術的落地。以研究“預測家庭暴力犯罪”為例，今年2月份，伯克和賓夕法尼亞大學聯合發表了一項研究報告，他們收集了2009年到2013年約10萬件家庭暴力的案例，然后將這些案例數據喂給程序，包括年齡、性別、動作、等等。后來發現，通過機器學習，警方能夠很容易地鎖定哪些人重復犯罪，需要監禁哪些二次犯罪風險較高的人。伯克在報告中說，目前，由于涉嫌家庭暴力的罪犯有一半是被釋放的，這給警察和政府對他們的監控帶來了很高的成本。他們的研究挑戰就是在釋放的案例中，推測哪些人二次犯罪的風險較低，從而能抽出更多的警力監控那些犯罪風險較高的人。

從這看來，伯克與賓夕法尼亞大學的研究點除了“不常規”動作外，還會從人的“習性”去判斷未來“再發生”的概率。他們的邏輯是，假設此人是“前科”人員，如果他做了“不常規”動作，所以定性此人“再犯罪”的概率就會更高，就更需提高警惕。

該技術的落地應用是否靠譜？

不得不說，恐怖事件頻發、違法犯罪增多讓各國政府都傷透腦筋，如今各國在打擊犯罪、恐怖主義這件事上都花了很多心思及投入。雷鋒網(公眾號：雷鋒網)認為，以往一直是人防為主，如果能通過這數以億計的攝像頭來“解讀”人們的日常活動，從而在其中鑒別出誰將會犯罪，的確會避免很多慘劇發生。那么，利用此技術“提前預測”真的靠譜嗎？

海康威視解決方案總監胡明輝認為，基于AI的視頻監控“預測”犯罪理論是可行的，但是要看具體場景。例如應用在ATM機上，通過視頻結合自然語言識別，可以實現防詐騙預警；另外當有人長時間在門口逗留或者在門禁上加裝物體時，設備將報警，有效“預防”犯罪。

另外，宇視行業產品線總工程師湯立波也具體談了一下他對于該技術落地的看法。

在他看來，基于視頻分析角度來說，該技術的應用無法使用。主要因為很多細分信息抓取不到；室外場景比較復雜，人流多、室外的光線等都會影響到它的準確率，誤報率非常高。

但從數據分析角度來說，該技術又是可行的。

它和車輛分析的原理一樣，底層技術源于對大數據的分析。以車為例，在實際項目中得到比較多得應用的是車輛積分模型，比如基于幾個違反常規的行為來判斷。1、晝伏夜出，2、在高速公路上，正常軌跡是A城直接到D城，但視頻發現某車經常A城到B城下高速，B城到C城走了一段，又從C城上高速到D城，行為軌跡違反常理，而且發生多次且不規律，對于這種現象，系統就會給他一個分值，一旦分值超過警戒線，公安部門就會密切注意，提前預判。目前此技術已經廣泛應用于全國的公安及交通部門。

總而言之，從算法角度來說，該技術已經非常成熟，利用大數據做事前研判，應用于海關、交通等部門準確率可觀。但應用于日常的“提前”抓捕來說，該技術的可行性不高。一、攝像頭不可能密集到各地都是，很多信息都捕捉不到；二、誤報率非常高，給公安民警帶來了很多麻煩。

與此同時，雷鋒網也找到了計算機視覺公司云從科技，聊了聊關于AI視頻分析系統的落地可行性以及該系統是如何預防“犯罪”的。

云從科技安防業務負責人表示，該系統主要應用的是人臉識別中的動態布控、靜態大庫檢索、軌跡追蹤及大數據分析技術。

這些技術目前解決了很多實際難題。

一、傳統的人工視頻排查效率較為低下，公安機關要在數以百萬計的人員照片庫中找出犯罪嫌疑人如大海撈針，不僅費時費力，還很有可能造成遺漏等情況，成功率極低，破案效率大打折扣；而通過人臉大數據作戰平臺，公安機關可以迅速確認在逃人員身份，然后根據軌跡與時間等信息分析在逃人員去向，精準抓捕；

二、目前公安機關偵察案件大多數仍然依靠事后追查和通緝，對已經發生的案件造成的損失很難有效彌補；而人臉大數據作戰平臺還可以對慣犯、恐怖分子等有案底的人員進行實時預警，防患于未然，第一時間將損失控制在最小范圍內。

根據以上目前尚存的應用難點，云從科技提出了全城封鎖戰法。

一、利用人臉大數據平臺對重點管控人員犯罪行為進行評估，在日常的數據積累中，警方已經掌握了轄區重點管控人員日常活動軌跡、范圍，一旦出現持續異常，可及時發現并評估風險。通常來說，慣犯和重新犯罪人員有較高的行為異常幾率，系統主要是積累轄區人臉大數據資料，通過長期分析，產生人員行為軌跡與資料，并對重點管控人員行為進行頻繁監測，一旦發生異常行為，可以即使監測并干預。但該技術不是“針對”有犯罪前科的人，它適用于轄區內的所有人員，它會對常住人口和陌生人進行自動篩選，犯罪前科人員只是在行為異常或查找時優先監測和干預。

二、?通過在機場、鐵路、地鐵、汽車站等交通樞紐及小區、酒店等地方部署動態、靜態人臉識別系統與人證合一終端，讓全城封鎖戰法囊括了“出”、“住”、“行”三個方面，結合人臉大數據作戰平臺，在案發后的很短時間內進行全城封堵，抓捕逃犯。

在實戰中，基于全城封鎖革新戰法的人臉大數據平臺主要通過從“打”、“防”、“管”、“控”四個方面切入，在網吧、酒店等公共場所及小區、交通樞紐布控，幫助公安解決實際問題。

云從科技安防業務負責人透露，該平臺目前已經在全國22省市上線，有的是試運營，有的已經屢獲戰果。比如說，2016年在秦皇島北戴河，一個多月的時間就比對出200多個重點人員。

與宇視科技的看法一致。云從科技表示該技術在算法層面不存在問題，只是提供超過閾值數據分析結果給警方，警方評估風險并采取預防措施。目前在銀行等領域的應用已經相當成熟。

但他們同時認為，人臉大數據分析技術才剛剛起步。通過人臉識別+行人再識別+車輛識別等計算機視覺技術，可以有效抑制犯罪行為的發生，形成威懾力。云從安防業務負責人稱，從目前實際應用來看，如果單是全城封鎖的數據采集及管控率，成功率可以達到90%以上。

另外，云從科技還就室外場景復雜導致細分信息獲取不到、誤報率很高給出了解答。他們表示除了繼續優化人臉識別算法，增強抗干擾性能外，還通過針對每個特定場景進行定制化開發，可以有效抑制不良因素，強化識別穩定性，降低誤識率。

在云從科技安防業務負責人看來，應用層面技術不是關鍵，關鍵是能設計出針對各個地區的能解決實際問題的合理方案。這需要對人臉識別技術的專精以及對公安行業的深度沉浸，不是一味地追求算法效果。

最后，他們還表示，今后除了利用此技術用于“預測”犯罪，還會用來打擊人口拐賣，丟失人員尋回，實時干預犯罪，對犯罪頻發地區進行定點巡邏，轄區常住人口實時監測，陌生人提示等等。

從以上來看，各家的觀點不一，該技術在實際應用上還存在爭議。但都有一個共識，從算法層面來說，該技術是可以落地的。

技術的發展都是以人為前提，相關各方如果真的能用技術“預測”犯罪，這對于整個社會來說無疑是一大利好。但在技術發展期，相關方案能否經受住市場考驗而帶來實際效果，最終還是要拿出真真切切的數據來說話。